2005—2019年中国肌肉和肌腱损伤发病趋势的年龄-时期-队列模型分析_《中国循证医学杂志》

作者：

余星磊 ^1,2 , 张群 ¹ , 姜涛 ¹ , 袁空军 ² ,  蔡道章 ¹

1. 南方医科大学第三附属医院（广东省骨科医院）（广州 510630）;
2. 南方医科大学卫生管理学院（广州 510515）;

关键词：

肌肉和肌腱损伤年龄-时期-队列模型 Joinpoint模型发病趋势

DOI：

10.7507/1672-2531.202204024

视频：

导出 下载 收藏 扫码 引用

摘要 全文 图表 视频 参考文献 施引文献 补充材料

目的分析2005—2019年中国居民肌肉和肌腱损伤发病趋势。方法联合运用Joinpoint回归模型和年龄-时期-队列模型，使用平均年度变化百分比（AAPC）研究2005—2019年间中国居民肌肉和肌腱损伤发病率变化情况，分性别分析年龄、时期、出生队列对肌肉和肌腱损伤发病率变化的影响。结果 2005—2019年，中国肌肉和肌腱损伤发病率总体呈上升趋势（AAPC=2.0%，P<0.05)，女性高于男性（AAPC值分别为2.1%、1.9%，P<0.05）。年龄-时期-队列模型结果显示年龄、时期、队列效应系数均具有统计学意义，年龄效应和队列效应系数呈现波动，时期效应系数持续上升；时期效应在三个效应中占主导地位。结论中国居民肌肉和肌腱损伤的发病率快速上升。5～9岁的低龄儿童、20～29岁青年人群和85～94岁老年女性是预防的重点人群。

引用本文： 余星磊, 张群, 姜涛, 袁空军, 蔡道章. 2005—2019年中国肌肉和肌腱损伤发病趋势的年龄-时期-队列模型分析. 中国循证医学杂志, 2022, 22(10): 1125-1133. doi: 10.7507/1672-2531.202204024 复制

肌肉和肌腱在人体的运动和日常活动中发挥着重要作用，是最易发生损伤的组织之一^[1-2]。近年来，肌肉和肌腱损伤发病率逐年攀升，给社会造成沉重疾病负担，严重影响患者生活质量^[3]。现有关于肌肉和肌腱损伤研究多集中在运动导致的损伤或局部损伤的流行病学特征上，但流行病学调查中各变量对数据本身可能存在影响^[4,5]。本研究通过收集全球健康数据交换（global health data exchange，GHDx）数据库中我国肌肉和肌腱损伤的相关疾病负担数据，利用年龄-时期-队列（age-period-cohort，APC）模型对数据中存在共线性的年龄、时期、出生队列等变量进行分析，讨论不同因素对肌肉和肌腱损伤发病率的影响，对比不同组别的发病风险，从而有针对性地提出建议，为我国肌肉和肌腱损伤防控提供参考。

1 资料与方法

1.1 资料来源

本研究数据来源于GHDx数据库，该数据库是美国华盛顿大学健康测量与评价中心（institute for health metrics and evaluation，IHME）所负责的全球疾病负担（global burden of disease，GBD）调查的成果之一，包含全球204个国家（地区）369种常见疾病和伤害的疾病负担数据。该调查使用贝叶斯回归建模工具DisMod-MR 2.1对数据进行分析，以确保数据估计一致性；采用世界标准人口数进行原始数据标准化，使各地区同一年度或同一地区不同年度的数据可比较。“肌肉和肌腱损伤”是“伤害”类别下的“轻伤”所属五种伤害的其中一种，扭伤、拉伤及一小部分的脱臼也被计算在内。关于肌肉和肌腱损伤的发病率，我国的数据来自中国疾病预防控制中心、中国疾病监测点系统、疾病预防控制发病信息系统、中国发病登记报告系统、全国人口普查、中国妇幼卫生监测系统、中国国家统计局数据、中国健康和营养调查及其他发表和未发表的报告等^[6]。

本研究提取了2005—2019年我国居民肌肉和肌腱损伤的年龄标准化发病率（age standardized incidence rate，ASIR）和年龄别发病率数据，并采用性别分层进行分析。

1.2 研究方法

年龄-时期-队列模型以Poisson分布为基础，对流行病学数据中的年龄、时期、出生队列因素进行分解，从而解释疾病发展趋势。APC模型的结构为:

其中，D_ij表示第i个年龄组在第j个时期中国居民肌肉和肌腱损伤的发病例数；N_ij表示第i个年龄组在第j个时期内的暴露在肌肉和肌腱损伤风险下的人群总数；γ表示第i个年龄组人群在第j个时期内肌肉和肌腱损伤的发病率；μ为截距；α表示第i个年龄组的系数；β表示第j个时期组的系数；γ表示第k个队列组的系数；_ijk表示随机误差^[7]。

APC模型要求年龄、时期、出生队列的间隔保持一致，按照GBD数据库的既有分组将研究对象以5年为间隔分成18组（4～9岁、……、90～94岁），将时期划分为3段（2005—2009年、2010—2014年、2015—2019年）。出生队列由时期减去年龄得到。为避免出生队列出现重叠，提高时间精度，采用单年度数据（2009年、2014年、2019年）代替各个时期的5年平均数据。

由于APC模型中的年龄、时期、出生队列存在共线性，因此传统的模型分析无法得到模型参数的唯一解^[8]。而Yang等^[9]提出的内生因子法（intrinsic estimator，IE）能够很好地解决这个问题。因此，本研究应用该法对APC模型进行求解。求解得到的系数大于0则说明发病风险增加，小于0则表示发病风险降低。另外系数还可换算成相对危险度（relative risk，RR）：exp（系数）=RR值，用来比较不同年龄、时期、队列患者之间的发病风险差异。

1.3 数据分析

使用Excel 2019导入数据并进行预处理，使用JoinPoint 4.9.0.0计算平均年度变化百分比（average annual percent change，AAPC）描述疾病的发病趋势，结果采用t检验，检验水准为α=0.05。利用Stata 16.0软件中的“APC_IE”模块对APC模型进行计算，利用赤池信息准则（Akaike information criterion，AIC）和贝叶斯信息准则（Bayesian information criterion，BIC）评价模型的拟合效果，结果采用双侧检验。使用R 4.1.2软件安装ggplot2、gridExtra包进行作图。

2 结果

2.1 2005—2019年中国居民肌肉和肌腱损伤发病率变化总体趋势

图1对2005—2019年间的中国居民肌肉和肌腱损伤发病率分性别进行了非参数线性拟合，并将平均发病率作为水平参考线。从平均发病率水平来看，男性居民远远高于女性居民。如图1所示，2005—2019年间，中国男性的肌肉和肌腱损伤发病率水平从2005年的541.5/10万上升到2019年的718.6/10万，增幅达到32.7%，Joinpoint模型计算的AAPC值为1.9%（P<0.05，t=11.1）。2005—2019年男性发病率总体呈上升，且在2019年达到最高水平。

图1 2005—2019年中国居民肌肉和肌腱损伤发病率变化

图选项

变量	男性居民				女性居民
变量	系数	标准差	Z 值	95%CI	系数	标准差	Z 值	95%CI
年龄（岁）
5～9	0.249^*	0.044	5.59	（0.16，0.34）	0.13^*	0.052	2.51	（0.03，0.23）
10～14	0.166^*	0.036	4.62	（0.1，0.24）	−0.065^*	0.044	−1.49	（−0.15，0.02）
15～19	0.242^*	0.03	8.02	（0.18，0.3）	−0.013	0.038	−0.35	（−0.09，0.06）
20～24	0.335^*	0.028	12.05	（0.28，0.39）	0.145^*	0.035	4.14	（0.08，0.21）
25～29	0.321^*	0.029	11.26	（0.27，0.38）	0.168^*	0.036	4.63	（0.1，0.24）
30～34	0.261^*	0.031	8.4	（0.2，0.32）	0.135^*	0.039	3.47	（0.06，0.21）
35～39	0.179^*	0.034	5.22	（0.11，0.25）	0.078^*	0.042	1.87	（0，0.16）
40～44	0.093^*	0.038	2.47	（0.02，0.17）	0.003	0.045	0.08	（−0.08，0.09）
45～49	0.003	0.041	0.09	（−0.08，0.08）	−0.055^*	0.046	−1.19	（−0.15，0.04）
50～54	−0.108^*	0.043	−2.53	（−0.19，−0.02）	−0.112^*	0.047	−2.37	（−0.21，−0.02）
55～59	−0.223^*	0.044	−5.01	（−0.31，−0.14）	−0.18^*	0.047	−3.82	（−0.27，−0.09）
60～64	−0.342^*	0.045	−7.62	（−0.43，−0.25）	−0.24^*	0.045	−5.29	（−0.33，−0.15）
65～69	−0.456^*	0.044	−10.27	（−0.54，−0.37）	−0.313^*	0.043	−7.26	（−0.4，−0.23）
70～74	−0.493^*	0.043	−11.51	（−0.58，−0.41）	−0.358^*	0.041	−8.81	（−0.44，−0.28）
75～79	−0.377^*	0.041	−9.24	（−0.46，−0.3）	−0.166^*	0.038	−4.42	（−0.24，−0.09）
80～84	−0.156^*	0.04	−3.9	（−0.24，−0.08）	0.112^*	0.037	3.05	（0.04，0.19）
85～89	0.021	0.044	0.49	（−0.06，0.11）	0.308^*	0.04	7.64	（0.23，0.39）
90～94	0.283^*	0.05	5.65	（0.19，0.38）	0.422^*	0.048	8.79	（0.33，0.52）
时期（年）
2005—2009	−0.143^*	0.01	−14.97	（−0.16，−0.12）	−0.164^*	0.011	−15.38	（−0.19，−0.14）
2010—2014	−0.019^*	0.009	−2.18	（−0.04，0）	−0.028^*	0.01	−2.84	（−0.05，−0.01）
2015—2019	0.162^*	0.009	17.92	（0.14，0.18）	0.192^*	0.01	19.32	（0.17，0.21）
出生队列（年）
1915—1919	−0.591^*	0.068	−8.65	（−0.73，−0.46）	−0.39^*	0.066	−5.9	（−0.52，−0.26）
1920—1924	−0.402^*	0.051	−7.92	（−0.5，−0.3）	−0.239^*	0.048	−4.95	（−0.33，−0.14）
1925—1929	−0.282^*	0.042	−6.72	（−0.37，−0.2）	−0.092^*	0.039	−2.37	（−0.17，−0.02）
1930—1934	−0.209^*	0.04	−5.23	（−0.29，−0.13）	0.009	0.036	0.26	（−0.06，0.08）
1935—1939	−0.133^*	0.041	−3.25	（−0.21，−0.05）	0.081^*	0.037	2.17	（0.01，0.15）
1940—1944	−0.059^*	0.044	−1.34	（−0.14，0.03）	0.114^*	0.041	2.79	（0.03，0.19）
1945—1949	0.031^*	0.046	0.68	（−0.06，0.12）	0.14^*	0.045	3.13	（0.05，0.23）
1950—1954	0.082^*	0.047	1.73	（−0.01，0.17）	0.114^*	0.047	2.41	（0.02，0.21）
1955—1959	0.128^*	0.047	2.72	（0.04，0.22）	0.094^*	0.049	1.91	（0，0.19）
1960—1964	0.162^*	0.045	3.57	（0.07，0.25）	0.076^*	0.05	1.54	（−0.02，0.17）
1965—1969	0.187^*	0.043	4.36	（0.1，0.27）	0.062^*	0.049	1.28	（−0.03，0.16）
1970—1974	0.186^*	0.04	4.67	（0.11，0.26）	0.05^*	0.047	1.07	（−0.04，0.14）
1975—1979	0.164^*	0.036	4.53	（0.09，0.24）	0.034^*	0.044	0.79	（−0.05，0.12）
1980—1984	0.15^*	0.032	4.62	（0.09，0.21）	0.022	0.04	0.54	（−0.06，0.1）
1985—1989	0.121^*	0.029	4.17	（0.06，0.18）	−0.029^*	0.037	−0.78	（−0.1，0.04）
1990—1994	0.097^*	0.027	3.55	（0.04，0.15）	−0.067^*	0.035	−1.9	（−0.14，0）
1995—1999	0.09^*	0.028	3.19	（0.04，0.15）	−0.067^*	0.036	−1.87	（−0.14，0）
2000—2004	0.11^*	0.033	3.36	（0.05，0.17）	0.003	0.04	0.07	（−0.08，0.08）
2005—2009	0.136^*	0.041	3.3	（0.06，0.22）	0.07^*	0.049	1.43	（−0.03，0.17）
2010—2014	0.031	0.057	0.55	（−0.08，0.14）	0.015	0.065	0.22	（−0.11，0.14）
Deviance	1.258				5.617
df	16				15
AIC	9.486				9.371
BIC	−62.566				−58.207
*：P<0.05。

1.	邓苏爱, 郭雨露, 周文静, 等. 肌肉损伤与修复的研究进展. 武汉轻工大学学报, 2020, 39(2): 27-34.
2.	杨金娟, 谢敏豪, 黄伟平, 等. 运动性肌腱损伤研究进展. 中国运动医学杂志, 2019, 38(9): 809-815.
3.	金宪宁, 王生, 张忠彬, 等. 工作相关肌肉骨骼疾患经济负担研究现状. 中国职业医学, 2019, 46(1): 117-120.
4.	刘宏炜, 李建军, 杨明亮, 等. 冬奥会/冬青奥会运动损伤资料分析. 中国康复理论与实践, 2020, 26(10): 1209-1216.
5.	陈东生, 贾麒钰, 阿卜杜萨拉木·阿力木江, 等. 手部肌腱损伤与修复: 737例流行病学因素分析. 中国组织工程研究, 2022, 26(35): 5676-5684.
6.	GBD 2019 Diseases and Injuries Collaborators. Global burden of 369 diseases and injuries in 204 countries and territories, 1990-2019: a systematic analysis for the Global Burden of Disease Study 2019. Lancet, 2020, 396(10258): 1204-1222.
7.	原瑞霞. 基于GBD大数据分析与预测中国女性乳腺癌发病与死亡趋势的研究. 武汉: 武汉大学, 2018.
8.	华淑名. “年龄-时期-队列”效应模型的应用与发展. 信息系统工程, 2019, (9): 73-74.
9.	Yang Y, Land F. A methodological comparison of age-period-cohort models: the intrinsic estimator and conventional generalized linear models. Sociol Method, 2004, 34(1): 75-110.
10.	谢倩芸. 中国劳动年龄人口的人力资本变动研究—基于教育型和技能型人力资本双重维度的考察. 北京师范大学学报(社会科学版), 2021, (3): 70-81.
11.	李亘, 王栋梁, 王蕾. 老年巨大肩袖损伤治疗面临的挑战. 中华创伤杂志, 2021, 37(4): 301-304.
12.	曹东明. 各种原因所致肌肉和肌腱损伤的超声诊断临床研究进展. 中国全科医学, 2020, 23(33): 4274-4278.
13.	黄禾菁, 卢畅, 颜小赛, 等. 某批亚丁湾护航官兵骨骼肌肉损伤疾病超声表现. 第二军医大学学报, 2021, 42(7): 803-807.
14.	苏映宇, 吴宏洛. 中国共产党女性劳动权益保障思想的百年回顾与经验启示. 社会保障研究, 2021, (5): 3-12.
15.	王如刚, 张非若, 林英, 等. 我国妇女劳动卫生与生殖健康研究工作70年进展与成就. 中国职业医学, 2019, 46(6): 764-767.
16.	马德浩. 改革开放40年我国体育人口研究综述与展望. 山东体育学院学报, 2019, 35(4): 13-18.
17.	徐文琦. 全民健身战略视域下科学健身示范区服务模式的实证研究. 山东体育学院学报, 2016, 32(1): 12-17.
18.	屈凌霄, 罗春燕, 张喆, 等. 上海市2011-2015学年中小学生伤害的流行特征分析. 中华疾病控制杂志, 2018, 22(5): 472-475,503.
19.	谢辉勇, 曹建民, 牛衍龙. 青少年运动员不同运动损伤类型的康复策略. 青少年体育, 2022, (1): 56-58.
20.	何莹, 刘晓芬, 葛万刚, 等. 2019年北京市房山区65岁及以上老年人伤害发生特征分析. 实用预防医学, 2021, 28(7): 874-877.
21.	陆治名, 汪媛, 叶鹏鹏, 等. 2015-2018年全国伤害监测系统中老年人跌倒/坠落病例分布特征. 中华流行病学杂志, 2021, 42(1): 137-141.
22.	龚家辉, 李燕妮, 王长义, 等. 2015—2017年深圳市南山区儿童伤害监测结果. 职业与健康, 2019, 35(17): 2350-2353.
23.	李宁, 李新萍, 杨明辉, 等. 老年髋部骨折的骨质疏松症诊疗专家共识. 中华骨与关节外科杂志, 2021, 14(8): 657-663.

《中国循证医学杂志》

2005—2019年中国肌肉和肌腱损伤发病趋势的年龄-时期-队列模型分析

摘要 全文 图表 视频 参考文献 施引文献 补充材料